卫星虽被形象地称为“天眼”，事实上卫星数据的感动，却难以做到“尽收尽用”。
我国工程院院士杨小牛就从前表明，卫星在天上飞来飞去，效能其实并不高，每天只要几十分钟时段内收集到的数据是地上需求的。
近来，清华大学理学院院长、地球体系科学系主任宫鹏介绍，在高功能云核算的支持下，经过数据建模、人工智能算法等手法，清华大学地球体系科学系制造完结了首套我国30米逐日无缝遥感观测数据集，以及逐时节土地掩盖和逐年土地感动的数据集，让“拼图无解”的卫星“废片”躲藏成为高分辨率的地图资源。
“传统的对地卫星观测，拍下来的相片是不同时刻收集的，拼在一起并不宽厚，感动门槛很高。”宫鹏解说，卫星直接取得的图片不能拿来直接用，由于卫星图片不是天然接连的，很或许像100块的拼图，有时候是少了50块的作用，但也有或许相同的拼图来了好几块。
不止如此，卫星轨迹的误差还会形成同一当地不同时刻劝止的图片难以堆叠，云彩的遮挡、雾气不均匀的散射都会导致很多的卫星遥感数据难以反映地表的真实情况，而成为难用的“废片”。
根据此前完结10米分辨率全球地表掩盖制图数据处理过程中堆集的经历，清华大学地球体系科学系团队自主研发了时空数据处置重建的技能。
“咱们构建了人工智能需求的常识库，其间包含世界首套全球全时节普适样本库和相关范畴常识。库中分为练习样本库和彻底独立的验证样本库。”清华大学博士生刘涵介绍，团队规划了一套习惯遥感大数据的深度遥感特征学习和分类模型，感动机器学习和数据建模对人工智能体系进行了练习，使其躲藏“了解”或许说“揣度”出缺失的图块，然后补缺。
“就好像现在一些APP身份验证时，会有一个补图的过程，经过练习的模型，也躲藏大规模剖析现有的卫星图片，主动补图，且做到数据与真实情况相符合。”刘涵说。
经过练习，模型可完结高功能的推理，把不宽厚的“拼图”重建成时空共同的止境库，建立起这一深度遥感制图模型的“超能力”，完结各种不合格“废片”的补片作业，然后生成与真实情况相匹配的遥感观测数据集。例如经过人工智能技能可辨认路面是沥青、土路仍是水泥路面等地表掩盖类型。
“地球体系科学感动和发生的数据是极端巨大的，例如气候模仿和猜测会生成时刻间隔在小时级、地上分辨率是3公里的气候数据，这些数据的数据量级往往相当于数百万集高清电影的量级。”宫鹏介绍，因而需求超强算力来完结。
假如为这些数据进行数据中心建造的话，需求三四百个机柜，占地本钱和时刻本钱消耗巨大。对这些数据会集的数据进行AI处理时,假如不在云上进行而是转移下载后再运算，那光是用来转移的时刻也或许需求几个月。
而经过云上高功能核算，则躲藏把算力布置在公共数据集周边，环绕数据进行核算。据介绍，亚马逊云服务（AWS）为此次项目的完结供给了10万核左右的云上高功能核算资源。
此外，AWS上还供给一整套完善的人工智能和机器学习的套件和服务以及主动化多层堆叠集成技能，可用于对模型结构和参数进行深度调优，并进行分布式高功能推理。
“现在中学生、小学生想拿数据做点什么，从里边拉几条曲线，或许把一个区域拿出来做一些勘探、改变、趋势的剖析，都现已变得十分简单。”宫鹏说，关于卫星公共数据的大方、重建，让卫星遥感图的感动门槛大大下降，假如说之前只要专业用户能从数据中取得价值，那么今后更多的普通用户也能看懂和感动这些数据。（记者 张佳星）
